将一个数组分成相等数量的区间

Question

将一个数组分成相等数量的区间

7

我有一个未排序的由N个元素组成的数组。我想保留N的原始顺序，但是不使用实际的元素，而是使用它们的bin号码，其中N被分成m个相等的（如果N可被m整除）或近似相等的值（如果N不能被m整除）。我需要一个向量化的解决方案（因为N非常大，所以标准的Python方法效率不高）。在scipy或numpy中有什么可以做到这一点的东西吗？

e.g.
N = [0.2, 1.5, 0.3, 1.7, 0.5]
m = 2
Desired output: [0, 1, 0, 1, 0]

我已经查看了numpy.histogram，但它并未给出不等间距的箱子。

- max_max_mir

2个回答

3

pandas.qcut

另一种好的选择是pandas中的pd.qcut。例如：

In [6]: import pandas as pd
In [7]: N = [0.2, 1.5, 0.3, 1.7, 0.5]
   ...: m = 2

In [8]: pd.qcut(N, m, labels=False)
Out[8]: array([0, 1, 0, 1, 0], dtype=int64)

获取直方图中间点的提示

如果您想返回箱子的边缘，请使用labels=True（默认值）。这将允许您获取箱子的中间点：

In [26]: intervals = pd.qcut(N, 2)

In [27]: [i.mid for i in intervals]
Out[27]: [0.34950000000000003, 1.1, 0.34950000000000003, 1.1, 0.34950000000000003]

如果 labels=True，则间隔是 pandas.Interval 对象数组。

另请参阅：pd.cut，如果您想要使bin的宽度（而不是bin数）相等。

- Niko Pasanen

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Divakar · Accepted Answer

本文介绍了使用基于NumPy的矢量化方法，通过使用np.searchsorted创建长度为输入数组的等间隔索引的思路。

以下是具体实现方法：-

def equal_bin(N, m):
    sep = (N.size/float(m))*np.arange(1,m+1)
    idx = sep.searchsorted(np.arange(N.size))
    return idx[N.argsort().argsort()]

样例运行使用每个箱子的计数来验证结果 -

In [442]: N = np.arange(1,94)

In [443]: np.bincount(equal_bin(N, 4))
Out[443]: array([24, 23, 23, 23])

In [444]: np.bincount(equal_bin(N, 5))
Out[444]: array([19, 19, 18, 19, 18])

In [445]: np.bincount(equal_bin(N, 10))
Out[445]: array([10,  9,  9, 10,  9,  9, 10,  9,  9,  9])

这里有另一种方法，使用linspace来创建那些等间距的数字，可以用作索引，例如 -

def equal_bin_v2(N, m):
    idx = np.linspace(0,m,N.size+0.5, endpoint=0).astype(int)
    return idx[N.argsort().argsort()]

示例运行 -

In [689]: N
Out[689]: array([ 0.2,  1.5,  0.3,  1.7,  0.5])

In [690]: equal_bin_v2(N,2)
Out[690]: array([0, 1, 0, 1, 0])

In [691]: equal_bin_v2(N,3)
Out[691]: array([0, 1, 0, 2, 1])

In [692]: equal_bin_v2(N,4)
Out[692]: array([0, 2, 0, 3, 1])

In [693]: equal_bin_v2(N,5)
Out[693]: array([0, 3, 1, 4, 2])